典型文献
基于改进多嵌入空间的实时语义数据流推理
文献摘要：
将语义数据流处理引擎与知识图谱嵌入表示学习相结合,可以有效提高实时数据流推理查询性能,但是现有的知识表示学习模型更多关注静态知识图谱嵌入,忽略了知识图谱的动态特性,导致难以应用于实时动态语义数据流推理任务.为了使知识表示学习模型适应知识图谱的在线更新并能够应用于语义数据流引擎,建立一种基于改进多嵌入空间的动态知识图谱嵌入模型PUKALE.针对传递闭包等复杂推理场景,提出3种嵌入空间生成算法.为了在进行增量更新时更合理地选择嵌入空间,设计2种嵌入空间选择算法.基于上述算法实现PUKALE模型,并将其嵌入数据流推理引擎CSPARQL-engine中,以实现实时语义数据流推理查询.实验结果表明,与传统的CSPARQL和KALE推理相比,PUKALE模型的推理查询时间分别约降低85％和93％,其在支持动态图谱嵌入的同时能够提升实时语义数据流推理准确率.
文献关键词：
语义数据流;数据流引擎;推理;知识表示学习;知识图谱
中图分类号：
作者姓名：
高峰;姚光涛;顾进广
作者机构：
武汉科技大学 计算机科学与技术学院,武汉 430065;武汉科技大学 大数据科学与工程研究院,武汉 430065;智能信息处理与实时工业系统湖北省重点实验室,武汉430065;富媒体数字出版内容组织与知识服务重点实验室,武汉430065
文献出处：
引用格式：
[1]高峰;姚光涛;顾进广-.基于改进多嵌入空间的实时语义数据流推理)[J].计算机工程,2022(02):55-64
A类：
语义数据流,流推理,语义数据流处理,数据流引擎,PUKALE,CSPARQL,KALE
B类：
知识图谱嵌入,嵌入表示,高实时,实时数据流,理查,查询性能,知识表示学习,动态特性,实时动态,动态语义,在线更新,动态知识图谱,嵌入模型,传递闭包,空间生成,生成算法,增量更新,更合,空间选择,选择算法,算法实现,engine,查询时间,动态图谱
AB值：
0.212618
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
